Assessment of wavelets analysis for carrier-phase multipath mitigationThis article is one of a series of papers published in this Special Issue on the theme <i>GEODESY</i>.
Notice bibliographique
Résumé
In carrier-phase measurements, which are the most precise observations for Global Positioning System (GPS) relative positioning, multipath error is still a factor that interferes with achieving the desired accuracy. Various improvements in receiver and antenna technologies, as well as modeling strategies, have resulted in better ways of coping with this error source. However, errors caused by multipath can be as large as 5 cm, which is not an acceptable accuracy, especially in precise surveying applications like deformation monitoring. In this paper, a full assessment of different wavelets techniques that can be used in multipath mitigation is made to evaluate the optimum way of using wavelets to reduce or remove this type of error. Also, a new approach based on the wavelet detrending technique is introduced to remove carrier-phase multipath error in the measurement domain. To mitigate multipath, GPS double-difference observables are fed to an adaptive wavelet analysis procedure based on high- and low-pass filter decomposition with different levels of resolution. Consequently, the observable sequences are corrected; these corrected observables can then be used to reduce the ambiguity search volume during the initial float solution stage. Meanwhile, double-difference observations with multipath mitigation offer an efficient method for obtaining a better baseline solution.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».